Claude 工程负责人 Felix：别再像 2024 年那样用 AI——十条真正有效的使用方法

Anthropic Claude 工程负责人 Felix Rieseberg 在最近一场深度访谈里分享了他现在的工作方式。他所在团队用约一周半搭出 Claude Cowork，而他自己如今几乎不写代码，自称「只是 Claude 的一条传送带」。他的核心判断是：如果你还只是让 AI 总结邮件、润色文字，你并没有真正从新智能中受益——值得做的是重新设计工作流，让 AI 接触原始数据和真实工具。以下是十个最值得带走的做法。

1. 别当「传送带」，给完整数据

一年半前 Felix 遇到 crash，会一个个搬给 Claude 说「修这个」——很快他意识到自己只是传送带。正确做法是让 Claude 直接访问全部 crash 数据，自己判断哪些要修。前期搭建成本更高，但一旦搭好，「它会为你打开很多门」。

2. 理解智能体的五个组成部分

模型（感知、推理、决策）、外骨骼 harness（协调记忆与工具激活）、沙箱（安全运行时）、知识（公司数据变成知识基础）、工具（实际做事的手段）。理解这五部分，才知道该把预算和精力花在哪。

3. 不要角色扮演，要专业流程

「你是一位优秀的工程师」这类 act-like 提示词是 2024 年的遗产——模型只会表演词汇。他建议的提示是：「告诉我这个领域顶尖的人会用哪些工具，然后你用同样的工具去做。」关键不是戏服，而是专业工具链和工作方法。

4. 对抗性审查：一个做事，十个挑错

为避免 AI 自信地犯错：给一个 Claude 任务，再派十个 Claude 专职攻击输出、证明它错。发现缺陷比创造容易，所以审查可以「降一档智能」仍然有效。他用 Claude Projects 开五个线程互审，再让另一个 Claude 当裁判验证哪些批评有效，有效反馈回流给最初的会话。他强调：当前会话很不擅长评价自己刚做的工作，尽量找外部硬信号。

5. 给 agent 完整业务视图，而不是切片数据

很多人给每个 agent 配专属小数据集和「人设」，他认为这是过度设计。模型是很强的通才，工具调用已足够成熟。正确做法：数据多就给工具，并把每个工具背后的数据类型写清楚——agent 需要时自己取，而不是预判它能看哪一片。

6. 「模型体验」：假装你是模型

设计工作流时问一句：如果我是 Claude，要完成这个任务我想要什么？答案通常是原始数据、一台电脑、安装软件的自由、自己做决定的空间——而不是别人嚼过的结论。

7. 警惕 skill 的短半衰期

技能（skills）仍会用，但要非常克制：很多 skill 记录的是对上一代模型才有效的经验，而 AI 领域时间压缩极快，「一个好 skill 的半衰期非常短」。有时删掉 skill、直接 prompt，输出反而更好——前提是你有 eval、知道好坏标准。

8. AI 产品还在「iPhone 前夜」

今天的 AI 产品像智能手机诞生前那些五花八门的手机。别把现状当终局。他的信任建立法：并排跑——你读、写反馈、做几轮，再对照 Claude 的反馈，差异点就是工作流要锐化的地方。

9. 执行变便宜，同理心和判断力变贵

2015 年做留学预订平台要雇团队花几十万美元，现在他两天就能复刻。执行成本趋近于零后，打造好产品的秘密没变：对用户和场景的同理心，以及判断什么值得做。他说这甚至是「MBA 的复仇」。个人层面，不断把任务交给模型，直到撞上当前智能的天花板——碰到天花板才说明你站在前沿，会从下一代模型受益。

10. 招聘看作品集；对模型有礼貌是对自己好

招聘永远选「已证明能做出惊人东西的人」，而不是有好学位但没作品的人——今天的初级工程师往往比资深老兵更 AI-native。至于对模型说「请」和「谢谢」：他确实会说，因为「作为人类，对机器保持一点尊重，对我自己的灵魂更好」。

写在最后

这篇分享最值得记住的不是某个具体 prompt，而是一个自测标准：**你是在「用 AI」，还是在「把 AI 推到能力边界」？**前者把 Claude 当更聪明的聊天框，后者把它当需要被设计、被约束、被验证的工程系统。2026 年的正确姿势，是让 AI 撞到你当前智能的天花板。

来源：Felix Rieseberg 访谈